学霸君：给每个学生一个“AI 助教”
“农村地区的孩子，越来越难考上好学校。像我这种属于中产阶级家庭的孩子，衣食无忧，而且家长也都是知识分子，而且还生在北京这种大城市，所以在教育资源上享受了得天独厚的优越条件。”2017年北京高考文科状元熊轩昂的这一段话红遍了网络，人们再次掀起对教育资源分配不均现实的讨论。与此同时，另一位高考网红也出现了，没有知识分子家长和中产阶级的家庭，也没有享受北京的教育资源，却和高考状元们同场竞技并取得了134分的数学高分，这就是学霸君的智能教育机器人Aidam。
将人工智能应用到机器人参加高考是为了什么，像AlphaGo一样挑战极限？学霸君的创始人兼CEO张凯磊表示：“很多人都搞错了，我们做机器人自动解题，不是为了去挑战人类做题的能力，这是没有意义的，机器不可能自我觉醒地去发现一个新定理。” 他对智能教育机器人的期望是成为人类的助教，而且是可以针对每个学生的个性化助教。
超越“老中医”
在初高中阶段，一个优秀的教师是怎么样的呢？假设他在考试后批阅学生的卷子，除了卷子上题目的对错，他还会回忆学生近期的表现，分析学生为什么会错，是知识点没掌握，还是无法将题目的信息和已有的知识相联系。优秀的教师由此在脑海中对每个学生有一个整体的感觉，知道如何因材施教，然而这种感知能力是要靠长期经验积累的（而且并非人人都能达到），难以表述和传授，只有靠少数极优秀的老师进行方法总结，但代际传承的效果并不好。
张凯磊认为，教育资源的不足，本质是优秀教师数量的不足。如果能在降低教师负担的同时，将优秀教师的能力“复制”给普通教师，同时“放大”这种能力，将大大缓解教育资源不足的问题。
他将教师的工作和医生进行了类比。医生的工作可以划分为诊断和治疗两部分，对应教师对学生的能力判断和知识讲解。目前的教育模式恰似传统的中医，诊断同样是要靠医生 “望闻问切”的个人水平，而且传授不易。“没有清晰的数字可让人理解，也没有可供分析的系统。”但现在医院已经靠数字化很大程度上解决了诊断的问题，“未来教育也会变成一个有科学依据，有信息数据做支撑，数字驱动的领域，因为这样的效率更高。”张凯磊说。
相较人类教师，计算机的问题在于机器的理解能力，要如何看懂题目。这也是学霸君利用人工智能在做的核心工作。智能机器人Aidam在考试中被扣掉的16分，全是在理解上出的问题，当然这也意味着人工智能已经能看懂134分的题目了。想象这样一个场景，学生做完作业和测试后，将结果传输给机器进行判卷，除了判别对错，还和以往的数据进行比对，通过算法发现学生知识的薄弱点，给出针对性训练的题目，并将学生的学习状态以可视化图表的形式传递给教师。
这个场景已经开始实现。学霸君在安徽落地的合作学校中，数学、物理、化学和生物使用了学霸君软硬件服务的班级，这几门学科的成绩都大幅提升。通过学霸君研发的数据采集笔，在不改变学生书写习惯的情况下，将整个过程的数据全部采集，然后由机器进行识别判卷。“目前批改作业，机器批70%，正确率会在99%以上，机器判断不了（主要是无法识别）的交给人工，未来会全部交给机器。”张凯磊说，每天仅批改作业，教师就能节省接近2个小时，而数据分析结果将通过云服务展示给教师，“作业数据和考试数据实时更新，学生的学习能力、掌握的知识点、学习态度，全部在表上清清楚楚”，学科主任、年级主任和校长还可以看到学科、年级和全校层面的数据分析。
和时间做朋友
追根溯源，中国的教育源自于普鲁士教学法，本质是“在规定的时间，以规定的课时和标准，学规定的内容，最后考一次试”。在张凯磊看来，这样的教育模式就像工业的标准化生产一样，而未来的教育模式将是高度个性化、规模化和专业化的，“个性化是解决教育负担过重和教育不公平的核心手段。”
这个发展可能会分为五个阶段：第一阶段，进行教育基础数据的数字化，并且可以进行数据管理。
第二阶段，学生的学习数据被全面数据化，学校以数字化的形式对全校学科进度进行管理。
第三阶段，教育实现中度的个性化，学生开始按学习进度分层教学，出现小规模的教育集团推动数字化技术应用的进一步发展。
第四阶段，教育实现高度个性化，中度的规模化。出现少数的大型教育集团，“比如现在有7.6万所学校，未来2万所头部的学校，是由100家教育集团组成的。”一个校长可能会管理十几个校区，体系内高度信息化，体系外形成学科、教学理论的竞争。
第五阶段，教育高度个性化、规模化、专业化。不再有教师布置作业，学生使用系统进行个性化的自我训练，并依据能力和学习效果，在两个月或更短时间内分为不同层次接受教学。由最顶级的教师，通过系统观察学习数据，对班级进行针对性辅导。通过发达的视音频及时通讯技术，一名教师也许可以教学上万名学生。
“长期来看，学霸君会成为一个教育运营公司。”张凯磊认为，目前学霸君实施落地的学校中，有一两所已经达到了第二阶段，而从技术上来说，学霸君即将达到第三阶段。但这依旧“任重而道远”。以学霸君核心技术之一的手写识别为例，“我们可能是国内做得极好的了，但直到今天，还有17个主要的课题没解决，比如说离线环境下混合中英文公式的手写识别，没有任何突破性进展；联机环境下的中英文识别已经做到了高精度，但还不到大规模商业化的程度。”除此之外，学霸君的技术图谱中还有视觉自然、语言语义、中文符号识别、在线手写数学公式、提名推荐、深度学习，视音频通讯等数十项技术的落地，“但好在我们已经找到了模式，可以用海量的时间、数据来趟平它，然后让用户习惯和熟悉，带来真正的价值。”
“把人工智能扒开来看，里面是海量数据的暴力计算。” 张凯磊对人工智能的看法是，好的团队占2分，好的算法占2分，还有1分要给运气，但剩下的95分全部在数据上，“获得数据者获得未来。”他估计，未来学霸君还需要于现在100倍的数据量。
另一个障碍是在实际落地中，学校除了考虑经济成本，还有因为传统观念而有所抵触。“让机器判卷批改作业，他们看数据，真的很难。”对此，除了时间外，多创新、以原有教育模式切入也是实际落地中的重要原则。张凯磊透露，年内学霸君将进行D轮融资，“跟真正愿意长期干教育的人一起去撬动市场。”
张凯磊机器不可能自我觉醒地去发现一个新定理，它们最好是成为人类的助教，而且是可以针对每个学生的个性化助教